Solo pochi attimi di attesa

Posizione corrente:

Ti trovi in: Home » Scuola di Formazione Aziendale » Analisi dei dati

Analisi dei dati

Introduzione al Data Science I (corso di gruppo)

Primi passi nel mondo del Data Science usando i metodi del Machine Learning: comprensione, pretrattamento ed esplorazione dei dati. [mov_c2a_evidbox title="" theme="grey"]SCHEDA CORSO: 13 ore di lezione, approccio didattico snello ma completo, utilizzo estensivo di esempi e applicazioni, nessuna propedeuticità. Lezioni dal vivo ma registrate, se ne perdi qualcuna "live" la puoi rivedere "in differita"...

Leggi

Introduzione al Data Science II (corso di gruppo)

I metodi del Machine Learning per problemi di classificazione, previsione, raggruppamento, deviazione e associazione. [mov_c2a_evidbox title="" theme="grey"]SCHEDA CORSO: 18 ore di lezione, approccio didattico snello ma completo, utilizzo estensivo di esempi e applicazioni. Lezioni dal vivo ma registrate, se ne perdi qualcuna "live" la puoi rivedere "in differita" quando vuoi. Nell'aula virtuale docente e corsisti...

Leggi

Metodologie di Data Mining e Machine Learning (corso individuale)

Ottimizzazione, web mining, reti neurali artificiali e support vector machines per problemi di classificazione, previsione e riconoscimento Il corso presenta diverse tecniche di Data Mining e Machine Learning relativamente avanzate - dai metodi del Web Mining e dell'Information Retrieval alle reti neurali artificiali, alle macchine a vettori di supporto - ed introduce alcuni metodi di...

Leggi

Analisi delle Serie Storiche (corso individuale)

Modellare e prevedere la dinamica nel tempo di un fenomeno basandosi sul suo andamento nel passato Il corso presenta le principali metodologie di Analisi delle Serie Storiche univariate, che consentono di identificare le componenti della dinamica temporale di un fenomeno e di prevederla facendo riferimento solo al suo comportamento passato. Obiettivi L'Analisi delle Serie Storiche...

Leggi
Catalogo corsi
Catalogo corsi

Scopri di cosa parliamo

Neque porro quisquam est, qui dolorem ipsum quia dolor sit amet, consectetur, adipisci velit, sed quia non numquam eius modi tempora incidunt ut labore et dolore magnam aliquam keywords.